基于多種分析方法的花生農(nóng)藝性狀綜合評(píng)價(jià)

鄧陳威,雷亞柯,展世杰,張建航,馬振威,楊亞洲,王偉杰,賈朝陽

基于多種分析方法的花生農(nóng)藝性狀綜合評(píng)價(jià)

鄧陳威,雷亞柯,展世杰,張建航,馬振威,楊亞洲,王偉杰,賈朝陽*

周口市農(nóng)業(yè)科學(xué)院, 河南 周口 466001

分析花生主要農(nóng)藝性狀與產(chǎn)量的內(nèi)在聯(lián)系，為選育高產(chǎn)花生品種提供理論依據(jù)。本研究以2017年河南省花生聯(lián)合體區(qū)試為試驗(yàn)數(shù)據(jù)，進(jìn)行關(guān)聯(lián)度分析、通徑分析、主成分分析和TOPSIS綜合評(píng)價(jià)。結(jié)果表明，單株果重的變異系數(shù)最大為18.14%，生育期的變異系數(shù)最小為0.22%。產(chǎn)量與飽果率呈極顯著正相關(guān)，與單株果重、百果重呈顯著正相關(guān)，但與主莖高、側(cè)枝長、結(jié)果枝數(shù)和生育期呈負(fù)相關(guān)。關(guān)聯(lián)度分析表明，飽果率、單株果重、生育期和百果重是影響產(chǎn)量的主要因素；通徑分析表明，單株果重是影響產(chǎn)量的關(guān)鍵性狀；主成分分析發(fā)現(xiàn)，將11個(gè)農(nóng)藝性狀綜合成產(chǎn)量、株型和熟性3個(gè)主成分因子，可解釋花生農(nóng)藝性狀原始數(shù)據(jù)信息量的81.1885%；TOPSIS分析表明，商花21號(hào)和商花23號(hào)與綜合向量距離最大。綜上，在選育高產(chǎn)花生品種時(shí)，應(yīng)重點(diǎn)提高單株果重、飽果率和百果重，適當(dāng)降低株高、總分枝數(shù)和結(jié)果枝數(shù)。

花生; 農(nóng)藝性狀; 綜合評(píng)價(jià)

花生（L.）作為我國油、食兼用的高脂肪高蛋白作物，其總產(chǎn)的一半用于榨油，是我國重要的食用油來源[1]。2020年全國花生種植面積473.08萬hm2，占世界花生面積的17%以上，單產(chǎn)3 803.28 kg/hm2，是世界花生單產(chǎn)的2.3倍；總產(chǎn)1 799.27萬t，占油料作物總產(chǎn)的比例超過一半[2]。但花生生產(chǎn)依然不能滿足市場需求，食用油自給率僅30%，因此選育花生高產(chǎn)品種仍將是我國花生育種工作的首要任務(wù)。

花生產(chǎn)量是受多種農(nóng)藝性狀影響的數(shù)量性狀，且性狀之間存在相互作用，通過灰色關(guān)聯(lián)度及通徑分析可以有效闡釋農(nóng)藝性狀對(duì)作物產(chǎn)量構(gòu)成因素的影響[3,4]。已有研究表明，單株果重、飽果率、出仁率、生育期、百果重、百仁重與花生產(chǎn)量關(guān)系密切，是影響產(chǎn)量的主導(dǎo)因素，其影響程度存在主次關(guān)系[4,5]。主成分分析是一種采取降維的方法，將多個(gè)變量指標(biāo)簡化為幾個(gè)相互獨(dú)立的綜合因子，使其盡可能地反映原來變量的信息量，常用來綜合評(píng)價(jià)花生品種間數(shù)量性狀關(guān)系[6]。TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是衡量多個(gè)評(píng)價(jià)對(duì)象與最優(yōu)方案的接近程度的一種決策分析方法，被廣泛應(yīng)用于農(nóng)業(yè)工程技術(shù)與經(jīng)濟(jì)研究等領(lǐng)域，較少應(yīng)用于花生品種綜合評(píng)價(jià)[7,8]。但是，前人研究各農(nóng)藝性狀與產(chǎn)量間關(guān)系方法較單一[9,10]。因此，有必要通過多種方法對(duì)數(shù)據(jù)進(jìn)行綜合分析以達(dá)到全面、準(zhǔn)確地研判。本研究綜合利用灰色關(guān)聯(lián)度、通徑分析、主成分分析和TOPSIS等方法對(duì)13個(gè)參試花生品種（系）的農(nóng)藝性狀與產(chǎn)量的關(guān)系進(jìn)行研究，旨在解決在花生農(nóng)藝性狀評(píng)價(jià)中方法簡單的問題，以期更全面地剖析各農(nóng)藝性狀對(duì)產(chǎn)量影響的內(nèi)在聯(lián)系及主次關(guān)系，明確花生高產(chǎn)育種主攻方向，為精準(zhǔn)高產(chǎn)育種和良種推廣提供可靠理論依據(jù)。

1 材料和方法

1.1 試驗(yàn)材料與設(shè)計(jì)

試驗(yàn)材料和數(shù)據(jù)均來自2017年河南省花生聯(lián)合體麥套區(qū)域試驗(yàn)。參試品種（系）共13個(gè)，分別為周花5號(hào)、豫花82、鄭農(nóng)花18、洛花1號(hào)、濮學(xué)花0815、商花21號(hào)、商花22號(hào)、商花23號(hào)、豫花81號(hào)、開農(nóng)79、開農(nóng)86、開農(nóng)88和豫花9326（CK）。試驗(yàn)設(shè)計(jì)采取隨機(jī)區(qū)組排列，3次重復(fù)，小區(qū)面積13.34 m2，種植密度15萬穴/hm2，2粒/穴。試驗(yàn)田間管理與當(dāng)?shù)卮筇锷a(chǎn)水平一致。

1.2 指標(biāo)測定

農(nóng)藝性狀參照姜慧芳等[11]測定，包括主莖高1、側(cè)枝長2、總分枝數(shù)3、結(jié)果枝數(shù)4、百果重5、百仁重6、出仁率7、飽果率8、單株果重9、生育期10和莢果產(chǎn)量。

1.3 數(shù)據(jù)分析

利用Microsoft Excel整理數(shù)據(jù)，應(yīng)用DPS15.1軟件[12,13]進(jìn)行灰色關(guān)聯(lián)度、通徑分析和TOPSIS綜合評(píng)價(jià)，通過SPSS軟件作主成分分析，同時(shí)篩選出綜合性狀優(yōu)良的品種（系）。

2 結(jié)果與分析

2.1 花生品種間農(nóng)藝性狀的變異性分析

由表1可知，各農(nóng)藝性狀變異范圍在0.22%～18.14%。其中，單株果重的變異系數(shù)最大為18.14%，說明品種間單株果重變異明顯；其次為總分枝數(shù)>結(jié)果枝數(shù)>主莖高>側(cè)枝長>百果重>莢果產(chǎn)量>百仁重>飽果率>出仁率，生育期的變異系數(shù)最小為0.22%，說明其在品種間的差異較小。以上結(jié)果表明，13個(gè)參試品種的農(nóng)藝性狀差異明顯，遺傳變異豐富，單株果重的增產(chǎn)潛力最大，可通過配套良種良法提高單株果重，出仁率、生育期在品種間無明顯差異，通過常規(guī)育種手段改良較困難。

表 1 參試品種的主要農(nóng)藝性狀變異性分析

2.2 花生品種間主要農(nóng)藝性狀的相關(guān)性分析

由表2可知，飽果率與產(chǎn)量呈極顯著正相關(guān)；單株果重、百果重與產(chǎn)量呈顯著正相關(guān)；總分枝數(shù)、百仁重、出仁率與產(chǎn)量呈正相關(guān)，而主莖高、側(cè)枝長、結(jié)果枝數(shù)、生育期與產(chǎn)量呈負(fù)相關(guān)。各農(nóng)藝性狀間也存在一定的相關(guān)性，主莖高與側(cè)枝長，結(jié)果枝數(shù)、生育期與總分枝數(shù)，百仁重、飽果率與百果重均呈極顯著正相關(guān)；總分枝數(shù)、結(jié)果枝數(shù)、飽果率與單株果重，百仁重與飽果率均呈顯著正相關(guān)；而結(jié)果枝數(shù)、單株果重與生育期分別呈極顯著和顯著負(fù)相關(guān)。

表 2 參試品種各農(nóng)藝性狀與莢果產(chǎn)量的相關(guān)性分析

注：*、**分別表示在0.05和0.01水平上顯著，極顯著。

Note :*、** indicate significant and extremely significant at 0.05 and 0.01 level, respectively.

2.3 不同花生品種產(chǎn)量與其它農(nóng)藝性狀間的灰色關(guān)聯(lián)度分析

由表3可知，各農(nóng)藝性狀對(duì)花生產(chǎn)量的重要性依次為飽果率>單株果重>生育期>百果重>出仁率>百仁重>總分枝數(shù)>側(cè)枝長>結(jié)果枝數(shù)>主莖高，表明飽果率、單株果重、生育期、百果重與產(chǎn)量的關(guān)聯(lián)度較大，是影響花生產(chǎn)量的主導(dǎo)因素，而側(cè)枝長、結(jié)果枝數(shù)、主莖高與產(chǎn)量的關(guān)聯(lián)度較小，是影響花生產(chǎn)量的次要因素。

表 3 參試品種各農(nóng)藝性狀與產(chǎn)量之間的關(guān)聯(lián)度及次序

2.4 不同花生品種產(chǎn)量與主要農(nóng)藝性狀間的通徑分析

通徑分析將相關(guān)系數(shù)分解為直接通徑系數(shù)（直接效應(yīng)）和間接通徑系數(shù)（間接效應(yīng)），以揭示各性狀指標(biāo)對(duì)產(chǎn)量的相對(duì)重要性。由表4可知，入選性狀指標(biāo)對(duì)產(chǎn)量的直接通徑系數(shù)大小依次為單株果重9>總分枝數(shù)3>生育期10>結(jié)果枝數(shù)4。單株果重對(duì)產(chǎn)量起的直接效應(yīng)最大為1.1349，其通過結(jié)果枝數(shù)、生育期對(duì)產(chǎn)量產(chǎn)生負(fù)向間接效應(yīng)，但是總的直接效應(yīng)大于間接效應(yīng)，表明單株果重對(duì)產(chǎn)量的影響最大且與產(chǎn)量呈顯著正相關(guān)。結(jié)果枝數(shù)對(duì)產(chǎn)量產(chǎn)生的負(fù)向直接效應(yīng)削弱了其通過總分枝數(shù)、生育期對(duì)產(chǎn)量產(chǎn)生的正向間接效應(yīng)，最終與產(chǎn)量呈負(fù)相關(guān)。生育期通過總分枝數(shù)、單株果重對(duì)產(chǎn)量產(chǎn)生的負(fù)向間接效應(yīng)大于正向直接效應(yīng)，最終與產(chǎn)量呈負(fù)相關(guān)。

決策系數(shù)的大小可以衡量性狀指標(biāo)對(duì)產(chǎn)量產(chǎn)生的綜合作用。總分枝數(shù)3、結(jié)果枝數(shù)4、生育期10的決策系數(shù)為負(fù)值，表明其對(duì)產(chǎn)量的綜合作用為反向，應(yīng)適當(dāng)限制；單株果重的決策系數(shù)為正值，對(duì)產(chǎn)量的綜合作用為正向，為主要決策變量。因此，在選育高產(chǎn)花生品種時(shí)應(yīng)提高單株果重，適當(dāng)限制總分枝數(shù)、結(jié)果枝數(shù)和生育期。

表 4 參試品種主要入選性狀與產(chǎn)量的通徑分析

注：決定系數(shù)=0.79204；剩余通徑系數(shù)=0.45602。

Note: the determination coefficient is 0.79204; residual path coefficient is 0.45602.

2.5 花生品種間農(nóng)藝性狀的主成分分析

對(duì)11個(gè)花生農(nóng)藝性狀的主成分分析（表5）表明，前3個(gè)主成分方差累計(jì)貢獻(xiàn)率達(dá)81.188 5%且特征值均大于1，說明前3個(gè)主成分能夠代表11個(gè)農(nóng)藝性狀原始數(shù)據(jù)81.188 5%的信息量，可以用前3個(gè)主成分進(jìn)行花生農(nóng)藝性狀的評(píng)價(jià)。第一主成分中單株果重的特征向量值最大，其次是百果重，說明單株果重對(duì)第一主成分影響最大，其貢獻(xiàn)率為42.823 5%，因與產(chǎn)量形成有關(guān)，稱為產(chǎn)量因子。決定第二主成分的主要是側(cè)枝長，其次是主莖高，其貢獻(xiàn)率為21.182 4%，因與花生生長勢和株型有關(guān)，稱為株型因子，提高側(cè)枝和主莖長度能夠降低總分枝數(shù)、結(jié)果枝數(shù)和單株果重。決定第3主成分的主要是生育期，其貢獻(xiàn)率為17.182 6%，因與花生熟性相關(guān)，稱為熟性因子，延長生育期可以提高莢果產(chǎn)量和出仁率。

由表6數(shù)據(jù)可知，開農(nóng)79的單株果重得分最高，豫花82號(hào)的單株果重得分最低；豫花81號(hào)的側(cè)枝長和主莖高得分最高，開農(nóng)86的側(cè)枝長和主莖高得分最低；商花21號(hào)的生育期得分最高，豫花82號(hào)的生育期得分最低。從綜合農(nóng)藝性狀上看，綜合主成分得分越高，綜合農(nóng)藝性狀表現(xiàn)就越好。開農(nóng)79、豫花81號(hào)和商花21號(hào)的綜合主成分得分居前3名，說明這3個(gè)品種綜合農(nóng)藝性狀表現(xiàn)最好；開農(nóng)86、周花5號(hào)和豫花82號(hào)的綜合主成分得分居最后3名，說明這3個(gè)品種綜合農(nóng)藝性狀表現(xiàn)最差。

表 5 不同花生品種農(nóng)藝性狀的主成分分析

表 6 花生主成分得分及排名

2.6 花生品種間農(nóng)藝性狀的TOPSIS分析

對(duì)11個(gè)花生農(nóng)藝性狀進(jìn)行topsis分析（表7），結(jié)果表明總分枝數(shù)、結(jié)果枝數(shù)、生育期和百果重權(quán)重指標(biāo)較大，其次為百仁重、莢果產(chǎn)量和主莖高，最低為出仁率。與最優(yōu)向量（D）距離較近的有周花5號(hào)、洛花1號(hào)、豫花81號(hào)；與最劣向量（D）距離較近的有商花21號(hào)；與綜合向量（C）距離較大的有商花21號(hào)，商花23號(hào)、濮學(xué)花0815和開農(nóng)79，即此4個(gè)品種綜合性狀表現(xiàn)較好。

表 7 不同花生品種農(nóng)藝性狀的TOPSIS綜合評(píng)價(jià)

注：D表示最優(yōu)向量距離；D表示最劣向量距離；C表示綜合向量距離。

Note:Drepresents optimal vector distance;Drepresents worst vector distance.;Crepresents integrated vector distance.

3 討 論

3.1 花生品種間農(nóng)藝性狀的差異

在農(nóng)業(yè)統(tǒng)計(jì)分析中，變異系數(shù)是一個(gè)衡量樣本數(shù)據(jù)離散程度的重要統(tǒng)計(jì)指標(biāo)，變異系數(shù)越大則穩(wěn)定性越差[14]。郭峰等[15]研究表明，利用變異系數(shù)評(píng)價(jià)花生各品質(zhì)性狀的遺傳穩(wěn)定性，各品質(zhì)指標(biāo)變異系數(shù)越大對(duì)環(huán)境變化越敏感。梁森苗等[16]研究發(fā)現(xiàn)，變異系數(shù)大，遺傳變異越豐富，越有利于優(yōu)良品種的選育。本研究結(jié)果發(fā)現(xiàn)，單株果重的變異系數(shù)最大，表明其易受環(huán)境影響，可通過優(yōu)化栽培措施提高產(chǎn)量，生育期在品種間差異不明顯，這與郭敏杰等[17]研究結(jié)果一致。

花生產(chǎn)量與各主要農(nóng)藝性狀關(guān)系密切。苗建利等[18]研究發(fā)現(xiàn)，飽果數(shù)、百果重、百仁重與莢果產(chǎn)量呈正相關(guān)。王慧敏等[19]研究表明，百果重、百仁重與莢果產(chǎn)量呈極顯著正相關(guān)，與單株分枝數(shù)呈顯著相關(guān)。本研究表明，莢果產(chǎn)量與飽果率呈極顯著相關(guān)，與單株果重、百果重呈顯著相關(guān)，與主莖高、結(jié)果枝數(shù)呈負(fù)相關(guān)，與上述苗建利、王慧敏等研究結(jié)果略有差異，可能因品種不同和環(huán)境差異所致。

3.2 花生品種間農(nóng)藝性狀的綜合評(píng)價(jià)

灰色關(guān)聯(lián)度分析可以定量描述和比較一個(gè)系統(tǒng)的動(dòng)態(tài)變化趨勢，根據(jù)比較數(shù)列關(guān)聯(lián)度大，則與參考數(shù)列關(guān)系密切，否則關(guān)系疏遠(yuǎn)的灰色關(guān)聯(lián)度分析原理[20]，在本研究中飽果率、單株果重、生育期和百果重與產(chǎn)量的關(guān)聯(lián)度較大，是影響產(chǎn)量的主導(dǎo)因素，間接驗(yàn)證了相關(guān)性分析結(jié)果，與李新娜等[21]、王芳等[22]研究結(jié)果一致。相關(guān)性和灰色關(guān)聯(lián)度分析只能突出各主要性狀對(duì)產(chǎn)量的相對(duì)重要程度，但是無法顯示貢獻(xiàn)作用方向，而通徑分析能夠闡釋各農(nóng)藝性狀是如何通過自身直接或通過其他性狀間接影響產(chǎn)量[23]。通徑分析結(jié)果表明，單株果重對(duì)莢果產(chǎn)量的正向直接效應(yīng)最大且相關(guān)性達(dá)到顯著水平，是主要決策變量；總分枝數(shù)和生育期對(duì)產(chǎn)量產(chǎn)生正向直接效應(yīng)，但是總分枝數(shù)與產(chǎn)量的相關(guān)系數(shù)和關(guān)聯(lián)度均較小且對(duì)產(chǎn)量的綜合作用為反向，生育期對(duì)產(chǎn)量產(chǎn)生的間接效應(yīng)及綜合作用均為反向，兩者不宜作為影響產(chǎn)量的主導(dǎo)因素。灰色關(guān)聯(lián)度及通徑分析結(jié)果一致表明，單株果重對(duì)產(chǎn)量的直接效應(yīng)和綜合作用最大，是影響產(chǎn)量的關(guān)鍵性狀，其次是飽果率和百果重，這與已有研究結(jié)果趨同[24-26]。

主成分分析在大豆[27]、小麥[28]和谷子[29]等作物綜合性狀評(píng)價(jià)中已得到廣泛應(yīng)用。本研究利用主成分分析法提取出產(chǎn)量、株型和熟性3個(gè)主成分因子，能夠代表11個(gè)性狀指標(biāo)81.1885%原始信息量，這與牟書靚等[30]研究結(jié)果基本一致。從產(chǎn)量上看，第一主成分值越大，單株果重、百果重、百仁重和飽果率越大，主莖越低。從株型上看，第二主成分值越大，側(cè)枝和主莖越長，結(jié)果枝數(shù)、總分枝數(shù)和單株果重越低。綜合第一、二主成分，可知單株果重和主莖高有很大的負(fù)相關(guān)性，進(jìn)一步驗(yàn)證了相關(guān)性分析結(jié)果。從熟性上看，第三主成分值越大，生育期延長，莢果產(chǎn)量增加。根據(jù)貢獻(xiàn)率由大到小排序依次為產(chǎn)量，株型和熟性且三者性狀間既相互促進(jìn)，又互相制約，因此在花生高產(chǎn)育種中應(yīng)根據(jù)主成分的排序，協(xié)調(diào)此三者主成分之間的關(guān)系，選育出綜合性狀優(yōu)良的花生新品種。在主成分綜合評(píng)價(jià)排名中位于前四名的品種有開農(nóng)79、豫花81號(hào)、商花21號(hào)和濮學(xué)花0815，Topsis綜合評(píng)價(jià)中商花21號(hào)，商花23號(hào)、濮學(xué)花0815和開農(nóng)79的綜合性狀表現(xiàn)較好。由此可看出，僅利用主成分或Topsis分析其中的一種得出的結(jié)論具有片面性，兩者綜合分析，著重突出單株果重對(duì)產(chǎn)量的影響，其中商花21號(hào)、商花23號(hào)、開農(nóng)79單株果重分別位居第1、3、4位，加之綜合性狀優(yōu)良可將其給予推廣利用。本研究中關(guān)聯(lián)度分析、通徑分析、主成分分析和Topsis評(píng)價(jià)四種分析方法相互印證，將其分析結(jié)果綜合考慮可使結(jié)論更加全面、可靠，然而同時(shí)利用此四種分析方法在其他研究中尚未報(bào)導(dǎo)。

4 結(jié) 論

本研究綜合利用灰色關(guān)聯(lián)度分析，通徑分析，主成分分析和topsis評(píng)價(jià)等方法對(duì)13個(gè)花生品種產(chǎn)量與農(nóng)藝性狀間的關(guān)系進(jìn)行分析，結(jié)果表明，產(chǎn)量與飽果率呈極顯著正相關(guān)，與單株果重、百果重呈顯著正相關(guān)，但與主莖高、側(cè)枝長、結(jié)果枝數(shù)和生育期呈負(fù)相關(guān)。飽果率、單株果重、生育期和百果重是影響產(chǎn)量的主導(dǎo)因素。11個(gè)農(nóng)藝性狀分別隸屬于3個(gè)主成分，代表全部信息的81.188 5%信息量。商花21號(hào)，商花23號(hào)和開農(nóng)79綜合性狀優(yōu)良應(yīng)給與重點(diǎn)推廣利用。因此，在以花生高產(chǎn)為育種目標(biāo)時(shí)，應(yīng)考慮主成分的互補(bǔ)以及重點(diǎn)提高單株果重、飽果率和百果重，適當(dāng)降低株高、總分枝數(shù)和結(jié)果枝數(shù)。

[1] 廖伯壽.我國花生生產(chǎn)發(fā)展現(xiàn)狀與潛力分析[J].中國油料作物學(xué)報(bào),2020,42(2):161-166

[2] 國家統(tǒng)計(jì)局.中國統(tǒng)計(jì)年鑒[M].北京:中國統(tǒng)計(jì)出版社,2021

[3] 王漢霞,馬巧云,田立平,等.小麥新品種京花12號(hào)產(chǎn)量構(gòu)成因素的相關(guān)分析與通徑分析[J].種子,2020,39(5):124-126

[4] 邢曉寧,王芳,王艷,等.花生產(chǎn)量與主要農(nóng)藝性狀的灰色關(guān)聯(lián)度分析[J].中國種業(yè),2019(2):62-64

[5] 王允,張幸果,李賀敏,等.花生主要農(nóng)藝性狀和產(chǎn)量性狀的相關(guān)性與灰色關(guān)聯(lián)度分析[J].河南農(nóng)業(yè)大學(xué)學(xué)報(bào),2014,48(6):680-683,705

[6] 殷冬梅,張幸果,王允,等.花生主要品質(zhì)性狀的主成分分析與綜合評(píng)價(jià)[J].植物遺傳資源學(xué)報(bào),2011,12(4):507-512,518

[7] 李燦,張鳳榮,朱泰峰,等.基于熵權(quán)TOPSIS模型的土地利用績效評(píng)價(jià)及關(guān)聯(lián)分析[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(5):217-227

[8] 劉云菲,李紅梅,馬宏陽.中國農(nóng)墾農(nóng)業(yè)現(xiàn)代化水平評(píng)價(jià)研究——基于熵值法與TOPSIS方法[J].農(nóng)業(yè)經(jīng)濟(jì)問題,2021(2):107-116

[9] 王海莉,魏萌涵,李建華,等.河南省花生產(chǎn)量與主要性狀之間的灰色關(guān)聯(lián)度分析[J].農(nóng)業(yè)科技通訊,2017(5):163-166

[10] 朱亞娟,王曉林,甄志高,等.花生品種駐花2號(hào)主要農(nóng)藝性狀與產(chǎn)量的灰色關(guān)聯(lián)度分析[J].農(nóng)業(yè)科技通訊,2015(7):99-103

[11] 姜慧芳,段乃雄.花生種質(zhì)資源描述規(guī)范和數(shù)據(jù)標(biāo)準(zhǔn)3-9[M].北京:中國農(nóng)業(yè)出版社,2006:28-40

[12] 唐啟義,唐睿.DPS數(shù)據(jù)處理系統(tǒng).第2冊現(xiàn)代統(tǒng)計(jì)及數(shù)據(jù)挖掘[M].北京:科學(xué)出版社,2016:1413-1422

[13] 唐啟義.DPS數(shù)據(jù)處理系統(tǒng).第3冊,專業(yè)統(tǒng)計(jì)及其他[M].北京:科學(xué)出版社,2016:533-539

[14] 王文森.變異系數(shù)——一個(gè)衡量離散程度簡單而有用的統(tǒng)計(jì)指標(biāo)[J].中國統(tǒng)計(jì),2007(6):41-42

[15] 郭峰,阮建,王瑩瑩,等.利用變異系數(shù)分析花生品質(zhì)性狀應(yīng)對(duì)環(huán)境變化的遺傳穩(wěn)定性研究[J].山東農(nóng)業(yè)科學(xué),2017,49(9):25-31

[16] 梁森苗,張淑文,鄭錫良,等.楊梅生長指標(biāo)與果實(shí)品質(zhì)間的相關(guān)性分析[J].核農(nóng)學(xué)報(bào),2019,33(4):751-758

[17] 郭敏杰,鄧麗,苗建利,等.基于BLUP值的大?；ㄉr(nóng)藝性狀與產(chǎn)量的相關(guān)和通徑分析[J].河北農(nóng)業(yè)大學(xué)學(xué)報(bào),2021,44(5):36-41

[18] 苗建利,鄧麗,郭敏杰,等.開農(nóng)82花生主要性狀與產(chǎn)量的相關(guān)性和通徑分析[J].湖南農(nóng)業(yè)科學(xué),2021(9):8-11

[19] 王慧敏,彭振英,李新國,等.67個(gè)花生品種主要農(nóng)藝性狀的變異及相關(guān)性分析[J].山東農(nóng)業(yè)科學(xué),2019,51(9):91-96

[20] 李紹偉,李軍華,任麗,等.花生產(chǎn)量與主要農(nóng)藝性狀的灰色關(guān)聯(lián)度分析[J].陜西農(nóng)業(yè)科學(xué),2007(1):37-38,52

[21] 李新娜,齊麗雅,何孟霞,等.花生單株產(chǎn)量與主要農(nóng)藝性狀的灰色關(guān)聯(lián)度分析[J].花生學(xué)報(bào),2017,46(3):1-5

[22] 王芳,王帥兵,王艷,等.花生新品種安花3號(hào)莢果產(chǎn)量與主要農(nóng)藝性狀的灰色關(guān)聯(lián)度分析[J].農(nóng)業(yè)科技通訊,2019(3):98-102

[23] 袁志發(fā),周靜芋,郭滿才,等.決策系數(shù)——通徑分析中的決策指標(biāo)[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2001(5):131-133

[24] 李新娜,劉紅,何孟霞,等.利用2種方法分析花生主要農(nóng)藝性狀與單株產(chǎn)量之間的關(guān)系[J].江蘇農(nóng)業(yè)科學(xué),2019,47(10):122-126

[25] 鄧麗,郭敏杰,苗建利,等.基于通徑系數(shù)和GGE雙標(biāo)圖的大?；ㄉC合分析[J].江蘇農(nóng)業(yè)科學(xué),2021,49(19):129-133

[26] 陳湘瑜,徐日榮,陳昊,等.花生品系主要農(nóng)藝性狀的分析與綜合評(píng)價(jià)[J].種子,2020,39(9):84-88

[27] 余飛,王友華,許海濤,等黃淮海大豆區(qū)試品種主要農(nóng)藝性狀的多元相關(guān)分析[J].河南農(nóng)業(yè)科學(xué),2008(10):41-44

[28] 白志英,李存東,孫紅春,等.小麥代換系抗旱生理指標(biāo)的主成分分析及綜合評(píng)價(jià)[J].中國農(nóng)業(yè)科學(xué),2008,41(12):4264-4272

[29] 孟慶立,關(guān)周博,馮佰利,等.谷子抗旱相關(guān)性狀的主成分與模糊聚類分析[J].中國農(nóng)業(yè)科學(xué),2009,42(8):2667-2675

[30] 牟書靚,牛海龍,李偉堂,等.花生種質(zhì)資源農(nóng)藝性狀主成分及聚類分析[J].遼寧農(nóng)業(yè)科學(xué),2019(6):1-5

Comprehensive Evaluation of Peanut Agronomic Traits Based on Multiple Methods

DENG Chen-wei, Lei ya-ke, ZHAN Shi-jie, ZHANG Jian-hang, MA Zhen-wei, YANG Ya-zhou, WANG Wei-jie, JIA Chao-yang*

466001,

To provide a theoretical basis for high-yield breeding, the inner relationship between the main agronomic traits and the yield of peanut cultivars analyzed by gray correlation analysis, path analysis, principal component analysis, and TOPSIS analysis in Henan Province in 2017. The results showed that the maximum variable coefficient of pod weight per plant was 18.14%, while the variable coefficient of the growth period was the lowest to 0.22%. The pod yield had a significant positive correlation with three characteristics, including full pod rate, pod weight per plant, and 100-pod weight, but a negative correlation with plant height, branch length, effective branches, and growth period. Gray correlation analysis showed that full pod rate and pod weight per plant, growth period, and 100-pod weight were primary factors affecting pod yield. Path analysis indicated that pod weight per plant () was the key trait affecting pod weight. The principal component analysis found that the 11 traits were consolidated into 3 principal component factors, including yield, plant type, and maturity, which accounted for 81.1885% of the total variation. TOPSIS analysis showed that the distance between Shanghua 21, and Shanghua 23 and the integrated vectorwas the largest. In summary, for breeding high-yielding peanut varieties, attention should be paid to improving pod weight per plant, full pod rate, and 100-pod weight, but plant height, branch plant, and effective branches should reduce appropriately.

Peanut; agronomic characters; comprehensive evaluation

S565.2

A

1000-2324(2023)02-0194-07

10.3969/j.issn.1000-2324.2023.02.006

2022-11-13

2022-12-21

周口市科技局院士工作站后補(bǔ)資金項(xiàng)目(20203637)

鄧陳威(1992-),男,碩士研究生,助理研究員,主要從事花生遺傳育種及栽培技術(shù)研究. E-mail:18236979418@163.com

Author for correspondence. E-mail:jcy2309@163.com